Искусственный интеллект в выявлении коррупционных рисков: перспективы внедрения в деятельность подразделений экономической безопасности

Введение

Противодействие коррупции на современном этапе развития российского государства остается одной из приоритетных задач обеспечения национальной безопасности. Несмотря на принимаемые меры, коррупционные проявления продолжают наносить существенный урон экономике, подрывать доверие граждан к государственным институтам и препятствовать социально-экономическому развитию. Традиционные методы выявления и пресечения коррупционных правонарушений, основанные на эпизодических проверках, анализе отчетности и оперативно-розыскной деятельности, не всегда позволяют своевременно обнаруживать сложные, замаскированные коррупционные схемы.

Параллельно с этим происходит стремительная цифровая трансформация всех сфер общественной жизни. Объемы данных, генерируемых государственными информационными системами, коммерческими структурами и гражданами, достигают таких масштабов, что их обработка традиционными методами становится невозможной.

В этих условиях закономерно возникает вопрос о применении технологий искусственного интеллекта (ИИ) для целей выявления коррупционных рисков.

Как отмечается в документах международных организаций, технологии ИИ способны коренным образом изменить подходы к противодействию коррупции, превратив эпизодические выборочные проверки в комплексные системы мониторинга в режиме реального времени [1]. Уже сегодня в различных странах реализуются проекты по использованию алгоритмов машинного обучения для анализа государственных закупок, выявления подозрительных транзакций, прогнозирования коррупционных рисков и анализа сетей влияния.

Прежде чем перейти к анализу конкретных направлений применения ИИ, необходимо определить понятийный аппарат и рассмотреть теоретические предпосылки использования данных технологий в антикоррупционной деятельности.

Под искусственным интеллектом в контексте настоящего исследования понимается комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека. В сфере противодействия коррупции наиболее востребованными являются такие направления ИИ, как машинное обучение (включая глубокое обучение), обработка естественного языка, компьютерное зрение и прогнозная аналитика [2].

Ключевое преимущество технологий ИИ перед традиционными методами анализа заключается в способности обрабатывать огромные массивы данных (big data) в режиме реального времени, выявлять скрытые закономерности и аномалии, которые недоступны человеческому восприятию. Как справедливо отмечается в научной литературе, в формальном анализе с позиций скорости, точности, непротиворечивости и учета максимально возможного количества факторов ИИ-продукты превосходят человеческие возможности [3, с. 160].

Применительно к выявлению коррупционных рисков это означает, что алгоритмы могут анализировать не отдельные, выборочные данные, а практически все доступные массивы информации: данные государственных закупок, налоговой отчетности, таможенных деклараций, сведения о доходах и расходах должностных лиц, информацию из открытых источников и социальных сетей.

Такой тотальный анализ позволяет выявлять неочевидные связи, нестандартные паттерны поведения и иные признаки, указывающие на возможные коррупционные проявления.

Анализ зарубежной практики показывает, что многие страны уже активно внедряют технологии ИИ в деятельность антикоррупционных органов и подразделений экономической безопасности.

Рассмотрим наиболее показательные примеры.

В Испании реализуется пилотный проект по использованию системы анализа данных и машинного обучения для выявления аномалий, связанных с коррупционными и мошенническими рисками. Си- стема анализирует массивы данных из различных источников, выявляя нестандартные отклонения, которые могут свидетельствовать о коррупционных проявлениях [4].

Европейская счетная палата применяет алгоритмы машинного обучения для анализа реестра прозрачности ЕС и выявления подозрительных регистраций. Это позволяет более эффективно отслеживать лоббистскую деятельность и предотвращать конфликты интересов [4].

Особого внимания заслуживает опыт Эстонии, где создана комплексная система цифрового государственного управления, практически исключающая непосредственный контакт чиновников и граждан при оказании государственных услуг. Это минимизирует коррупционные риски, связанные с личным взаимодействием [5].

Представленные примеры демонстрируют широкий спектр возможностей применения ИИ – от точечных инструментов анализа конкретных сфер до комплексных систем, охватывающих все государственное управление.

В Российской Федерации также накоплен определенный опыт применения технологий ИИ для целей обеспечения экономической безопасности и противодействия коррупции. Наиболее системно эта работа ведется в Росфинмониторинге.

Как отмечается в исследованиях, Росфинмониторинг активно внедряет технологии искусственного интеллекта и аналитики больших данных для автоматизации выявления незаконных сомнительных операций, обнаружения аномалий и потенциальных угроз экономической безопасности [6]. Ведомство использует алгоритмы машинного обучения для анализа финансовых потоков, выявления подозрительных транзакций и построения связей между участниками финансовых операций.

Применение ИИ позволяет Росфинмониторингу обрабатывать огромные массивы данных, поступающих от кредитных организаций, и выявлять среди миллионов операций те, которые требуют дополнительной проверки. Это существенно повышает эффективность работы и позволяет сосредоточить усилия на наиболее опасных направлениях.

На региональном уровне также предпринимаются попытки внедрения ИИ-технологий в антикоррупционную деятельность. Так, в Свердловской области на базе Уральского государственного экономического университета разрабатываются проекты по использованию интеллектуальных чат-ботов для профилактики коррупции в контрольно-надзорной деятельности [7]. Кроме того, обсуждаются AI-решения для автоматизации контроля конфликта интересов, позволяющие выявлять связи между должностными лицами и коммерческими структурами [7].

В корпоративном секторе также наблюдается рост интереса к технологиям ИИ для обеспечения экономической безопасности. Показательным примером является соглашение о стратегическом сотрудничестве между компанией «ФосАгро» и «Лабораторией Касперского», направленное на использование искусственного интеллекта в сфере безопасности, включая нейронные сети для решения задач экономической безопасности и мониторинга производственных процессов [8].

Однако, несмотря на отдельные успехи, системное внедрение технологий ИИ в деятельность подразделений экономической безопасности России пока находится на начальном этапе. Среди основных проблем можно выделить: фрагментарность ведомственных информационных систем, отсутствие единых стандартов обмена данными, недостаточную цифровую зрелость ряда органов власти, дефицит квалифицированных кадров.

Обобщение зарубежного и отечественного опыта позволяет выделить несколько ключевых направлений применения ИИ в деятельности подразделений экономической безопасности.

Первое направление – анализ государственных закупок. Государственные закупки традиционно относятся к сферам с высокими коррупционными рисками. Применение алгоритмов машинного обучения позволяет анализировать миллионы контрактов, выявляя признаки: необоснованного завышения цен; ограничения конкуренции дробления закупок для ухода от конкурентных процедур; аффилированности участников и заказчиков; картельных сговоров [5].

Второе направление – выявление конфликта интересов и проверка контрагентов. Алгоритмы способны анализировать связи между должностными лицами, их родственниками и коммерческими структурами, выявляя скрытые аффилированности, которые могут свидетельствовать о конфликте интересов или коррупционных схемах. Анализ открытых источников (социальные сети, реестры юридических лиц, базы судебных решений) позволяет строить графы связей и оценивать риски взаимодействия с теми или иными контрагентами.

Наряду с очевидными преимуществами, внедрение технологий ИИ в деятельность подразделений экономической безопасности сопряжено с серьезными рисками и ограничениями, которые требуют тщательного анализа и учета.

Первый и наиболее значимый риск связан с непрозрачностью алгоритмов принятия решений. Многие модели машинного обучения, особенно основанные на глубоких нейронных сетях, работают таким образом, что даже разработчики не всегда могут объяснить, почему алгоритм принял то или иное решение. Это создает серьезные проблемы с точки зрения обоснованности выводов, возможности их проверки и оспаривания. Как отмечают эксперты, ИИ в значительной степени работает как «черный ящик», и цифровые системы, специализирующиеся на юридических вопросах, в 30 процентах случаев склонны ссылаться на несуществующие нормы [9].

Второй риск – предвзятость и искажение данных. Алгоритмы обучаются на исторических данных, которые могут содержать ошибки, неточности или отражать сложившиеся социальные предубеждения. Если исходные данные несовершенны, алгоритм будет воспроизводить и даже усиливать эти недостатки, что может приводить к дискриминации отдельных групп, необоснованному отнесению их к категории повышенного риска [2].

Учитывая выявленные риски и ограничения, можно сформулировать ряд рекомендаций по совершенствованию правового и организационного обеспечения внедрения ИИ в деятельность подразделений экономической безопасности.

Первое направление – разработка четкой правовой базы, регламентирующей применение ИИ в антикоррупционной деятельности. Необходимо законодательно определить: требования к прозрачности и объяснимости алгоритмов (особенно тех, которые используются для принятия решений, затрагивающих права граждан); порядок верификации и валидации исходных данных; механизмы контроля за работой ИИ-систем; процедуры обжалования решений, принятых на основе рекомендаций ИИ.

Второе направление – обеспечение человеческого контроля за принятием итоговых решений.

ИИ должен рассматриваться как инструмент поддержки принятия решений, а не как замена человеческому суждению. Окончательное решение о наличии признаков коррупционного правонарушения, возбуждении проверки, применении мер ответственности должно приниматься должностным лицом, несущим персональную ответственность за это решение.

Заключение

Подводя итог проведенному исследованию, следует отметить, что технологии искусственного интеллекта открывают принципиально новые возможности для выявления коррупционных рисков и повышения эффективности деятельности подразделений экономической безопасности. Способность обрабатывать огромные массивы данных в режиме реального времени, выявлять скрытые закономерности, прогнозировать риски позволяет перейти от реактивной модели противодействия коррупции к проактивной, ориентированной на предупреждение нарушений.

Анализ зарубежного опыта демонстрирует широкий спектр успешных применений ИИ в данной сфере – от точечных инструментов анализа государственных закупок до комплексных систем мониторинга всех финансовых потоков. Российская практика, хотя и находится на начальном этапе, также показывает перспективные направления развития, включая деятельность Росфинмониторинга и отдельные региональные инициативы.

Перспективными направлениями дальнейших исследований являются: разработка методик оценки эффективности применения ИИ в антикоррупционной деятельности; анализ отраслевой специфики коррупционных рисков и возможностей их выявления с помощью ИИ; изучение возможностей применения новых типов алгоритмов (включая генеративный ИИ) для целей экономической безопасности; исследование зарубежного опыта правового регулирования применения ИИ в публичном управлении.

Только при условии комплексного, сбалансированного подхода, учитывающего как возможности, так и риски новых технологий, внедрение искусственного интеллекта сможет стать действенным инструментом повышения эффективности противодействия коррупции и укрепления экономической безопасности России.